
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于WiFi信道状态信息的任务对齐多尺度时间学习,用于联合活动识别与室内定位
《Scientific Reports》:Task-aligned multi-scale temporal learning from Wi-Fi CSI for joint activity recognition and indoor localization
【字体: 大 中 小 】 时间:2026年07月02日 来源:Scientific Reports 4.9
编辑推荐:
摘要基于WiFi信道状态信息(CSI)的无接触感测技术在人体活动识别与室内定位领域展现出巨大潜力。然而,要同时完成这两项任务仍面临挑战,因为原始的CSI信号往往存在高维信道冗余、与任务无关的波动以及时间上相互关联的多尺度变化。为解决这些问题,本文提出了一种双任务学习框架,该框架注
基于WiFi信道状态信息(CSI)的无接触感测技术在人体活动识别与室内定位领域展现出巨大潜力。然而,要同时完成这两项任务仍面临挑战,因为原始的CSI信号往往存在高维信道冗余、与任务无关的波动以及时间上相互关联的多尺度变化。为解决这些问题,本文提出了一种双任务学习框架,该框架注重任务相关的子空间构建与结构化的时间分解。具体而言,文中设计了一种多任务对齐重排子空间主成分分析(MARS-PCA)模块,根据各主成分在活动识别和定位任务中的区分度对其重新排序,从而得到更符合双任务目标的简洁CSI表示。此外,还引入了多层小波分解技术,将CSI的时间响应分解为多个子带分量,以便更清晰地呈现与短暂活动相关的动态特征以及相对稳定的位置相关模式。经过处理和分解后的特征再由具有信道级任务调控功能的轻量级时间预测模块进行建模。在公共WiFi CSI数据集上的实验表明,所提出的方法在活动识别和室内定位任务中均取得了优异的性能。